Análise da inadimplência em financiamentos de longo prazo no Espirito Santo

Texto

(1)ANÁLISE DA INADIMPLÊNCIA EM FINANCIAMENTOS DE LONGO PRAZO NO EspíRITO SANTO: UM ESTUDO DE CASO PARA O SETOR HOTELEIRO. MAURíCIO CéZAR DUQUE Economista. Orientador: Prof. Dr. PAULO FERNANDO CIDADE DE ARAÚJO. Dissertação apresentada à Escola Superior de Agricultura "Luiz de Queiroz", Universidade de São Paulo, para obtenção do título de Mestre em Ciências,. Área. de. Aplicada.. PIRACICABA Estado de São Paulo - Brasil Fevereiro- 2000. Concentração:. Economia.

(2) Dados Internacionais de catalogação na Publicação <CIP> DIVISÃO DE BIBLIOTECA E DOCUMENTAÇÃO • campus "Luiz de Queiroz"/USP Duque, Maurício Cézar Análise da inadimplência em financiamentos de longo prazo no Espírito Santo: um estudo de caso para o setor hoteleiro / Maurlcio Cézar Duque. - - Piracicaba, 2000. 93 p. Dissertação (mestrado) - - Escola Superior de Agricultura Luiz de Queiroz, 2000. Bibliografia. 1. Análise econômica 2. Desenvolvimento econômico 3. Ecdl'romia � 4. Estabillzaç:lo econômica 5. Financiamento.empresarial 6. Hotel 7. Jndústriâagricola 8. Modelo matemático 1. Título CDD 338.1.

(3) iii. Dedido aos meus pais, Demerval e Ireni, a minha afilhada, Vanessa, a minha esposa, Luciana, e ao meu filho, Leonardo.

(4) iv. AGRADECIMENTOS. A realização deste trabalho é consequência da colaboração irrestrita que obtive de amigos e familiares.. Ao Departamento de Economia da ESALQ/USP e ao CNPq, fica o meu agradecimento pela oportunidade de realizar o curso de mestrado.. Ao Banco de Desenvolvimento do Espírito Santo SIA (BANDES) e ao Banco Santos Neves SIA agradeço pela atenção ímpar e pelas informações fornecidas para a realização deste trabalho.. Aos professores Adriano, Caixeta, Bacha, João Martinez, Bento, Ana Kassouf, Paulo Cidade e Pedro Marques, meus agradecimentos pelos ensinamentos transmitidos ao longo do curso.. Um agradecimento especial ao professor Paulo Cidade pela orientação e ao professor Adriano pelas inúmeras idéias e contribuições na fase inicial deste trabalho. Aos professores Caixeta e Míriam fica também o agradecimento pelas importantes contribuições dadas na fase final do trabalho.. Aos funcionários do Departamento de Economia, em especial às funcionárias Maieli e Luciane, agradeço pela dedicação e disposição ao longo do curso.. Aos colegas Hemildo, Márcio, Rinaldo, Rogério, Daniela, Stivilane, Margareth, Lílian, Pedro e Marcelo agradeço pela amizade e pelos momentos fraternos que compartilhamos.. Um agradecimento especial aos amigos de todos os momentos, Augusto, Fábio, Felipe, Renato e Valter. Na verdade, mostraram-se muito mais que amigos,.

(5) v. mostraram-se irmãos. Irmãos com inteligência, caráter e bondade como poucos têm o privilégio de possuir.. Aos meus pais, Demerval e Ireni, aos meus irmãos Marcelo e Márcia, e a minha afilhada, Vanessa, agradeço com lágrimas nos olhos, pois ainda lembro da saudade sufocante e do amor transmitido durante os anos de "separação".. A minha esposa Luciana, agradeço a confiança, o companheirismo, o carinho e o amor. Sem a "minha Lú", com seu coração enorme e seu amor sincero, eu jamais encontraria o caminho para a felicidade.. Ao meu filho Leonardo, agradeço pelo sorriso e pelo olhar de quem ainda é um anjo, que não entende o que se passa, mas nos contagia com a esperança de um mundo mais justo.. E, finalmente, por toda a minha vida, agradeço a Deus..

(6) vi. SUMÁRIO. Página. LISTA DE FIGURAS........................................................................................ viii. LISTA DE TABELAS...... .... ...... ...... ......... .... ............ ...... ... .... ...... .... ....... ... ....... ix. RESUMO......................................................................................................... x. SUMMARY...................................................................................................... xii. 1. INTRODUÇÃO............................................................................................ 1. 2. REVISÃO DE LITERATURA....................................................................... 4. 2.1. A inadimplência no sistema financeiro nacional................................... 4. 2.2. O "estado da arte" no gerenciamento de crédito.. .... ...... ........... ........... 12. 3. REFERENCIAL TEÓRiCO.......................................................................... 18. 3.1. O Banco de Desenvolvimento do Espírito Santo S/A - BANDES......... 19. 3.1.1. A Inadimplência no BANDES..................................................... 23. 3.2. Modelos de resposta qualitativa........................................... ................ 26. 3.2.1. Modelo utilizando probabilidade linear....................................... 28. 3.2.1.1. Problemas com modelos de probabilidade linear.... ...... 29. 3.2.2. Modelos lógite e próbite....... ...... ... ........ ........ .... ... .................. .... 31. 3.2.2.1. Estimação dos parâmetros............................................ 33. 3.2.3. Considerações sobre modelos de resposta qualitativa.............. 35. 3.3. Modelo baseado no conceito de entropia.................. ........................... 36. 3.4. Considerações sobre o uso de modelos para previsão de inadimplência.................................................................................................. 37. 4. ANÁLISE DOS RESULTADOS.................... ............................................... 40.

(7) vii. 4.1. Modelos de resposta qualitativa.................... ....................................... 41. 4.1.1. Modelo de probabilidade linear.................... .......... .......... .......... 42. 4.1.2. Modelos lógite e próbite............................................................. 45. 4.2. Modelo baseado no conceito de entropia............................................. 49. 5. CONCLUSÕES......... ............... ...... ........... ............ ........... .... ...... ....... .......... 55. REFERÊNCIAS BIBLIOGRÁFiCAS............ ......................... .......... ........... ...... 60. APÊNDICE 1: Dados.... ...... ........ ....... .......... ..................... .............. ...... ........... 64. APÊNDICE 2: Estimativas das regressões do modelo de probabilidade Linear....................................................................................... 65. APÊNDICE 3: Estimativas das regressões do modelo próbite....................... 66. APÊNDICE 4: Estimativas das regressões do modelo lógite.......................... 68. APÊNDICE 5: "Árvores Discriminatórias" do modelo baseado no conceito de entropia............................................................................... 70.

(8) viii. LISTA DE FIGURAS. Página Figura 1. Empréstimos do Setor Financeiro..... ......................................................... 6. Figura 2. Inadimplência nos Empréstimos do Setor Financeiro................................ 7. Figura 3. Inadimplência nos Empréstimos do Setor Financeiro por Atividade.......... 9. Figura 4. BANDES: Investimentos Aprovados por Fonte de Financiamento............ 21. Figura 5. BANDES: Investimentos Aprovados por Objetivo...... ................................ 22. Figura 6. BANDES: Investimentos Aprovados por Atividade.................................... 22. Figura 7. Função de Distribuição Cumulativa............................................................ 31. Figura 8. "Árvore Discriminatória I" para Projetos de Hotelaria Aprovados pelo. BANDES.................................................................................................... 52.

(9) ix. LISTA DE TABELAS. Página. Tabela 1. Evolução da Receita Inflacionária: 1990-1997......................................... .. 5. Tabela 2. BANDES: Investimentos Aprovados: 1991/1996..................................... .. 19. Tabela 3. Níveis de Inadimplência (%): Média Nacional e BANDES ....................... .. 23. Tabela 4. BANDES: Taxa de Inadimplência por Atividade (Base: Março/1997) ...... .. 25. Tabela 5. Variáveis Explicativas do Modelo de Resposta Qualitativa ..................... .. 41. Tabela 6. Variáveis Descartadas ............................................................................. .. 42. Tabela 7. Estimativas dos Parâmetros do Modelo de Probabilidade Linear ............ .. 43. Tabela 8. Modelo de Probabilidade Linear: Observação x Previsão ....................... .. 44. Tabela 9. Estimativas dos Parâmetros do Modelo Próbite ..................................... ... 45. Tabela 10. Estimativas dos Parâmetros do Modelo Lógite ...................................... .. 46. Tabela 11. Modelo Próbite: Observação x Previsão ................................................ .. 47. Tabela 12. Modelo Lógite: Observação x Previsão ................................................. .. 48. Tabela 13. Variáveis Explicativas do Modelo Utilizando o Conceito de Entropia .... .. 50. Tabela 14. Análise Estatística Descritiva das Variáveis Explicativas ..................... ... 57. Tabela 15. Coeficientes de Regressão .................................................................... .. 58.

(10) x. ANÁLISE DA INADIMPLÊNCIA EM FINANCIAMENTOS DE LONGO PRAZO NO EspíRITO SANTO: UM ESTUDO DE CASO PARA O SETOR HOTELEIRO. Autor: MAURíCIO CÉZAR DUQUE Orientador: Prof. Dr. PAULO FERNANDO CIDADE DE ARAÚJO. RESUMO. O presente estudo tem como finalidade o desenvolvimento de um modelo para identificação e quantificação das variáveis econômicas que melhor explicam o fenômeno da inadimplência em financiamentos de longo prazo concedidos pelo Banco de Desenvolvimento do Espírito Santo S/A [BANDES] ao segmento de hotelaria.. A importância de modelos confiáveis para a indentificação ex-ante da probabilidade de ocorrência de inadimplência em créditos de longo prazo acentuou-se ainda mais no período pós Plano Real, quando o volume de empréstimos do sistema financeiro nacional ao setor privado cresceu a taxas significativas, substituindo, temporariamente, a chamada receita inflacionária..

(11) xi. Os modelos sugeridos foram construídos com base nos conceitos de entropia e resposta qualitativa, com destaque para os modelos de probabilidade linear, próbite e lógite. Sendo que enquanto o modelo baseado no conceito de entropia permitiu apenas uma ordenação das variáveis escolhidas, os modelos de resposta qualitativa permitiram a quantificação das mesmas, tendo sido, portanto, mais eficientes.. O ganho de informação obtido com a utilização de tais modelos foi significativo. No caso do modelo de probabilidade linear, o percentual de classificação correta ficou em 80%, enquanto nos modelos próbite e lógite este percentual alcançou 82%. Devendo-se ressaltar que a significância estatística do modelo e dos parâmetros indica que as variáveis selecionadas são importantes para explicar o fenômeno da inadimplência na carteira de empréstimos do BANDES ao segmento de hotelaria.. As variáveis escolhidas para a explicação do fenômeno foram: investimento total [valores em R$]; capital de terceiros [valores em R$]; taxa de juros média anual nos financiamentos [valores em %]; prazo de amortização do financiamento [valores em meses]; faturamento médio anual previsto [valores em R$]; e investimento por unidade habitacional [valores em R$].. Finalmente, cabe ressaltar a sugestão pela utilização do modelo Lógite para problemas como o apresentado neste trabalho, em virtude, principalmente, de sua eficiência e facilidade operacional..

(12) xii. ANALYSIS OF DEFAULT IN LOANS OF LONG TERM IN EspíRITO SANTO: A STUDY OFCASEFORHOTELSEGMENT. Author: MAURíCIO CÉZAR DUQUE Adviser: Prof. Dr. PAULO FERNANDO CIDADE DE ARAÚJO. SUMMARY. The present study has as purpose the development of a model for identificatíon and quantification of the economic variables that best explains the phenomenon of default in loans of long term granted by Bank of Development of Espírito Santo [BANDES1 to the hotel segment.. The importance of reliable models to identify "ex-ante" the probability of default occurrence in credits of long term was accentuated even more in the period after "Plano Real", when the volume of loans of national financiai system to private segment grew at a significant rate, substituting, temporarily, the named inflationary revenue..

(13) xiii. The suggested models were built based on entropy concepts and binary choice, with prominence for linear regression, Probit and Logit models. While the model based on entropy concept just allowed an ordering of chosen variables, the models of binary choice allowed their quantification, becoming, therefore, more efficient.. The gain of information obtained using such models was significant. In case of linear regression model, the percentile of correct classification was 80%, while in Probit and Logit models this percentile reached 82%. It should be stood out that the statistical significance of both model and parameters indicates that the selected variables are important to explain the phenomenon of default in the wallet of loans of BANDES to the hostelry segment. The variables chosen to explain the phenomenon were: total investment [values in R$]; capital of third [values in R$]; annual medium interest rate in financings [values in %]; period of amortization of financing [values in months]; foreseen annual medium revenue [values in R$]; and investment per habitational unit [values in R$].. Finally, it fits to emphasize the suggestion for using the Logit model in problems as presented in this work, due to, mainly, its efficiency and its operational easiness..

(14) 1.. INTRODUÇÃO. o problema do crescimento. dos níveis de inadimplência vem afetando. diversos segmentos da economia brasileira. O sistema financeiro nacional, que passa por um momento de forte alteração em sua estrutura, é um dos setores onde tal problema se manifesta de forma mais evidente e preocupante. Desde a adoção do Plano Real, em junho de 1994, os níveis de inadimplência junto ao sistema financeiro cresceram a taxas superiores a 100%.. Nesse período verificou-se uma significativa expansão nos saldos das operações de crédito das instituições financeiras.. Entretanto, face as. características do processo de concessão de crédito do período anterior, influenciadas sobremaneira pelas elevadas taxas de inflação, percebeu-se que os critérios utilizados por essas instituições para a classificação ex-ante do risco de emprestar eram extremamente falhos.. A necessidade de se conhecer as variáveis micro e macroeconômicas que afetam as condições de pagamento de uma empresa junto aos seus credores preocupa sobremaneira as instituições financeiras. Os critérios para aprovação de crédito estão sendo reformulados, visando a redução da inadimplência e adequação dos "spreads" adotados, ou seja, em operações com riscos maiores utilizar-se-ia taxas de juros mais elevadas..

(15) 2. No caso específico do Banco de Desenvolvimento do Espírito Santo (BANDES), instituição financeira a ser analisada neste trabalho, o problema da inadimplência assume contornos ainda mais preocupantes, pois trata-se do agente responsável pela execução das políticas de incentivos fiscais e creditícios do Estado do Espírito Santo e que trabalha, quase exclusivamente, com financiamentos de longo prazo. Em dados preliminares, observa-se que os níveis de inadimplência nessa instituição encontram-se, no geral, bem superiores à média nacional e contribuem de forma significativa para os resultados negativos apresentados pelo banco nos últimos anos.. No intuito de oferecer uma contribuição para um melhor entendimento do problema, objetiva-se nesse estudo a elaboração de um modelo estatístico que possa explicar a ocorrência de créditos inadimplentes, levando-se em conta variáveis que possam contribuir direta ou indiretamente para o desenvolvimento desse fenômeno. Espera-se que esse modelo, construído a partir de técnicas relacionadas à análise de respostas qualitativas, possa ser útil para orientar o processo de decisão do BANDES.. Como as variáveis econômicas têm efeitos distintos sobre os diferentes segmentos com os quais o BANDES opera, decidiu-se então pela segmentação da análise, ou seja, a construção de modelos específicos. Neste trabalho, o modelo proposto recai sobre o segmento de hotelaria, cujo histórico de atrasos e inadimplências junto a essa instituição é significativo.. Para facilitar a análise do problema da inadimplência junto aos financiamentos concedidos pelo BANDES para o segmento de hotelaria, decidiu-se segmentar esse trabalho em cinco capítulos. No capítulo seguinte mostra-se o quadro geral da inadimplência junto ao sistema financeiro nacional, destacando os índices setoriais e a importância do problema, e, também, comenta-se alguns estudos com problema e/ou metodologia semelhantes às.

(16) 3. que serão utilizadas neste trabalho, devendo, desde já, ressaltar a carência de estudos sobre a inadimplência em financiamentos de longo prazo voltados para pessoas jurídicas.. A seguir, no capítulo 3, faz-se uma breve apresentação sobre o BANDES, ressaltando alguns aspectos operacionais e financeiros do mesmo, procurando-se evidenciar a intensidade dos problemas que as operações inadimplentes vêm ocasionando à sua carteira de crédito. Também nesse capítulo serão apresentados os modelos de resposta qualitativa - com destaque para os modelos de probabilidade linear, modelo lógite e modelo próbite - e o modelo baseado no conceito de entropia.. No capítulo 4, apresentam-se os resultados obtidos com os modelos propostos, seus níveis de acerto e as comparações entre os mesmos. Tal capítulo será o referencial para o capítulo 5, no qual são apresentadas as considerações finais..

(17) 2.. REVISÃO DE LITERATURA. 2.1. A INADIMPLÊNCIA1 NO SISTEMA FINANCEIRO. NACIONAL. Com o processo de estabilização da economia, em curso desde a implantação do Plano Real, em julho de 1994, o sistema financeiro brasileiro vem atravessando momentos de intensa alteração em sua estrutura, visando, principalmente, adequar-se a novas formas de financiamento que permitam a manutenção de suas atividades.. Os seguidos anos de inflação em níveis elevados e os constantes desequilíbrios macroeconômicos incentivaram o aparecimento de inúmeras instituições. financeiras. inflacionárias (float),2. que,. objetivando. utilizavam. ganhos. "fáceis". com. receitas. como forma de captação de recursos. (depósitos e aplicações) a abertura indiscriminada de novas agências.. 3. 1 o Banco Central do Brasil define inadimplência como o percentual referente a créditos em atraso e em liquidação sobre o saldo total de operações de crédito. Em geral, consideram-se créditos em atraso. as operações vencidas há mais de 60 dias e reclassificadas pelo valor atualizado. Os créditos em liquidação são as operações vencidas há mais de 180 dias com garantias consideradas insuficientes e há mais de 360 dias com garantias suficientes (Resolução W 1.748, de 30/08/1990). 2 Esse ganho era propiciado: (i) pela perda do valor real dos depósitos a vista e/ou (i i) pela correção dos depósitos bancários em valores abaixo da inflação. 3 Esperava-se que as instituições financeiras começassem seu processo de ajuste pelo fechamento das agências economicamente inviáveis. No entanto, na prática tal fato não se concretizou, visto a pequena redução no número de agências entre dezembro de 1994 e dezembro de 1995 (de 17.939 para 17.865), segundo dados do Banco Central..

(18) 5. Obrigado(a),. "floal", conforme visualiza-se na tabela abaixo, era a. principal fonte de receita das instituições financeiras brasileiras. Segundo Mendonça de Barros e Almeida (1997) a estabilização de preços possibilitou uma diminuição significativa da transferência de renda dos setores não bancários para o setor bancário. Tomando-se como base a média de 1990 a 1993 (a valores de 1994) estima-se algo próximo a R$ 19 bilhões de perda para os bancos.. Tabela 1. Evolução da Receita Inflacionária: 1990-1997 Período. Receita Inflacionária / PIB (%). Receita Inflacionária / Valor da Produção das Instituições Bancárias (%). 1990 1991 1992 1993 1994 1995 1996 1997. 4,00 3,90 4,00 4,20 2,00 0,50 0,25 0,15. 35,7 41,3 41,9 35,3 20,4. Fontes: 1990 - 94: ANDIMA/IBGE: Sistema Financeiro - Uma análise a partir das Contas Nacionais 1990-1995. 1995 - 97: IPEA (... ) - Informações não disponíveis. A facilidade existente antes do Plano Real, qual seja, se "emprestar" dinheiro para o setor público com taxa de risco próxima a zero, foi substituída pela necessidade (e pelo risco) de se conceder crédito ao setor privado. A expansão desse tipo de crédito foi significativa, passando de um saldo de operações de cerca de R$ 144 bilhões, em julho de 1994, para algo próximo a R$ 276 bilhões, em janeiro de 1998, ou seja, acréscimo de aproximadamente 92% (figura 1)..

(19) 6. Esse significativo financeiras. ao. setor. crescimento. privado. pôde. dos. empréstimos. compensar,. ao. das menos. instituições parcial. e. temporariamente, a perda das receitas obtidas através da "transferência inflacionária". Outra solução adotada para compensar a perda de receita. oriunda do float foi a cobrança de tarifas pelos serviços prestados aos clientes (extratos, talões extras, etc.).. .-. 400000. ~. 350000. E. 300000. Ifj. 250000. E. ~. o. E. '';:;. Ifj. .~. -+- Setor ~blico. r-----------------------~-. - - Setor Privado --+-Total. 200000. a.. 150000. .E. 100000. Ifj. o. 'O. 50000. Ifj. o. 'O. iii. (J). o. . ., ........ i ... o. Vl. z:. i. ~. . .,. Vl. z:. ... i i .... .'" ., z:. i i. ~. . .,. '". z:. Fim de Período. Figura 1. Empréstimos do Setor Financeiro Fonte: Boletim do Banco Central do Brasil - Abri1/1998.. Contudo, ainda segundo Mendonça de Barros e Almeida (1997) , um grande problema em períodos de expansão rápida dos créditos é o aumento da vulnerabilidade das instituições financeiras. Os autores baseiam-se no fato de que esses períodos são momentos de expansão macroeconômica, quando os devedores estão transitoriamente com folga de liquidez, dificultando, assim, uma análise de risco mais rigorosa por parte dos bancos. Ademais, nesses períodos, os bancos são levados a aumentarem a carteira de crédito através da incorporação de novos clientes. Este problema é ainda maior, no período inicial.

(20) 7. da estabilização, quando os balanços (e/ou balancetes) do período antigo são pouco informativos e muitos dos cadastros dos clientes têm de ser refeitos.. Desta forma, completam Barros e Almeida (1996), o resultado desse processo é um crescimento dos empréstimos de liquidação duvidosa e uma maior vulnerabilidade do sistema bancário, principalmente quando ocorre algum choque macroeconômico adverso. A diminuição no ritmo de crescimento da economia brasileira, verificada no segundo trimestre de 1995, confirmou essa hipótese, com o aumento substancial nos créditos inadimplentes no sistema financeiro.. A magnitude desse crescimento pode ser visualizada na figura 2, na qual percebe-se uma elevação na taxa de inadimplência de 7,58% em julho de 1994 para 15,21% em janeiro de 1998 (alcançando o máximo de 17,02% em outubro de 1997), o que representa créditos inadimplentes da ordem de R$ 45,94 bilhões. Pode-se observar, então, que a variação da taxa de inadimplência geral no período foi superior a 100% 18%. •. f. 16% CG. 'uc. 14%. õ.. E. 12%. .5. 8%. .4). :aCG. 4). 10%. "O. 6%. \~ I-. 4% 2% 0%. I . . '" >. ::. i. i. ~. .. ...... ~. :z:. i. 'i l:. ~. .. >. '". ::. Fim de Período. Figura 2. Inadimplência nos Empréstimos do Setor Financeiro Fonte: Boletim do Banco Central do Brasil - Abril/199B. Obs.: Não inclui créditos em liquidação de duas instituições financeiras..

(21) 8. Na figura 3 apresenta-se a inadimplência por atividade econômica, segundo a classificação do BACEN, com destaque negativo nesse novo contexto econômico para a atividade "comércio", a qual apresentou, no mesmo período, uma variação superior a 350%, passando de 6,24% para 28,22%, o que representa algo próximo a R$ 8,7 bilhões. Sendo interessante considerar que essa taxa já esteve em 33,38%.. As demais atividades também apresentaram taxas crescentes de inadimplência.. Nas. atividades. "indústria". e. "outros. serviços". houve,. respectivamente, um incremento de 120,15% e 50,25%, com as taxas passando de 10,24% para 22,55% e de 11,65% para 17,51%.. A análise para "pessoas físicas" revela três períodos bem distintos: o primeiro, de junho de 1994 até março de 1996, apresenta uma elevação acelerada dos créditos inadimplentes; o segundo, de março de 1996 até outubro de 1996, caracteriza-se por uma brusca redução nos referidos créditos e, por fim, o terceiro período, a partir de outubro de 1996, com a estabilização da taxa de inadimplência em patamares próximos a 15%.. Os créditos inadimplentes na área de "habitação" mantiveram-se em níveis aceitáveis, enquanto o "setor rural", que historicamente é lembrado como campeão da inadimplência, passa a ocupar posição secundária no ranking das atividades. com. maiores. problemas. junto. ao. sistema. financeiro..

(22) 9. II. II. 30%. I~. -=-__-I-"""""~i. 25% +--_ _ _ _ _ _ _. li. 20%. l=õ. 15%. !E i~. \-; ,"O. 10%. 1= li-. 5%. 40%,---------------, 35%+-------------~~. .!lI <.> C. 30%+---------------.. . . .~~. Õ.. 25%+---------~~----~. ]. 20%. +-------~...~'--------........,. .E. 15%. +----..p-----------........,. ,Q). E Q). "O. . ~. i-. 0%. I. i ]i :. F~id: :e:í:d: i ~ i. i f • 1. 11}. 10% +----..,...........- - - - - - - - - . . . . . . . . , 5% .M~~-------------1 0% I I ~~l~!!~~~~! ~ ~~ ~~!!~li ~~. i \. ~. ~. ; ~ Fim de Período. \. &. Figura 3 (b). Inadimplência no Setor Comercial. Figura 3 (a). Inadimplência no Setor Industrial. 20% , - - - - - - - - - - - - - - - - - - ; tIS. .g. 'Q). 15% 4------H;:1II~~--"' . .,.....~--j I. Õ.. ~. .5. .. ~. 10%. ~~~~------------~. 5%+-----------------~. ><. '". i-. 0%. ~. ~. s. o. c. ~. ~. ~. ~. 6. ~. ~. ~. s o. ií:. c. ~. ~. ~. 's o. Fim de Período. Figura 3 (c). Inadimplência no Setor Rural. i. 25%. lo! Ig. 20%. I. 11I]. 15%. ... 5%. Figura 3 (d). Inadimplência em Outros Serviços. 5% , - - - - - - - - - - - - - - - - - - , '" 4%. ·ü. ><. __~~---j. t. 3% ~"-~"_~~~L---------1 E 'õ 2%+------------------........, tIS ..5 Q) 1% + - - - - - - - - - - - - - - - - . . . . . . . . ,. .,. i-. t-----~~-.,~. c. .E 10% "O. ~. ~. ~. "O. tIS. 0%. )(. ~. ª. ". o. c. '". 8(. ~. ~. s. o. = ro. 8. ~. ~. ". o. Fim de Período. = ro. ª. ~ ~ o's ~. ~. Figura 3 (e). Inadimplência de Pessoas Físicas. ~. 0%. ~. ª. .". o. = ro ~ ~. ~. ~. ". o. = ~ '". ª. ~. ..,. o. ~. ~. ~ ~ o. ". Fim de Período. Figura 3 (f). Inadimplência Habitação. Figura 3. Inadimplência nos Empréstimos do Setor Financeiro por Atividade Fonte: Boletim do Banco Central do Brasil- Abril/1998 Obs.: Não inclui créditos em liquidação de duas instituições financeiras..

(23) 10. Em análise superficial sobre os fatores que levaram ao atual estágio de inadimplência nos financiamentos concedidos pelo sistema financeiro ao setor privado,. pode-se. destacar:. (i). diminuição. substancial. das. "receitas. inflacionárias" nas atividades não-bancárias;4 (ii) elevação dos níveis de desemprego; (iii) baixa sensibilidade dos tomadores às taxas de juros;5 (iv) critérios inadequados de análise de crédito; e, (v) legislação leniente.. Dessa forma, com o aumento persistente dos níveis de inadimplência e a consequente redução dos valores monetários recebidos pelos bancos, a redução dos saldos de operações de crédito parece ser uma questão de tempo, pois o sistema financeiro tem interesse na concessão de crédito porque o mesmo ainda é rentável. É possível que no futuro a inadimplência barre esse crescimento.. A importância da inadimplência, segundo Araújo (1996), pode ser também analisada pelo custo de transação de um empréstimo. Considerando o custo de captação de fundos (F), o custo de administração dos créditos concedidos (A) e o prêmio de risco (PR) proveniente da inadimplência (I), todos em valores percentuais do total contratado, temos a seguinte equação para o custo de emprestar (CE): CE=F+A+IO+F+A). (1 ). l-I. onde 05151 e o termo J(l+F+A) é o prêmio de risco. 6 l-I. o. exemplo clássico da redução dos ganhos com a inflação no setor não-bancário são os supermercados. As empresas desse segmento, no passado, trabalhavam com recebimento à vista, pagamento à prazo e giro rápido nos estoques, condições que lhes garantiram, durante um longo período de tempo, volume significativo de recursos aplicados no mercado financeiro. S Itens relacionados, principalmente, às pessoas físicas e que pelO efeito "bola de neve" atinge todas as atividades econômicas, ou seja, o cidadão não tem condições de quitar o seu crédito junto ao comércio, que por sua vez tem dificuldades de realizar os pagamentos devidos às instituições financeiras, indústrias, atacadistas, etc. S Esse componente, ainda segundo Araújo (1996), origina-se das perdas associadas à inadimplência. Com 0% de inadimplência o custo de emprestar é dado por F+A. Entretanto, se parcela do crédito. 4.

(24) 11. Segundo Baker et aI. (1979), citados por Araújo (1996), é importante frisar que quando a taxa de inadimplência cresce, sua contribuição para os custos de emprestar aumenta mais que proporcionalmente, quando comparada aos efeitos dos outros componentes. Denomina-se esse fenômeno como o efeito multiplicativo da taxa de inadimplência, ou seja, a inadimplência resulta também em perdas nos custos de captação e administração da atividade de emprestar, e não somente no principal emprestado.. Ao proceder-se à derivada parcial da eq. (1) em relação aos seus componentes, tem-se: ()CE aF. = 1+_1_=_1_. ()CE. = 1+_1_=_1_. aA. l-I. dCE. TI=. 1-1. (2). (l-I). (3). (l-1). (l+F+A). (4). (1_1)2. Como l+F+A> l-I, tem-se: dCE ClCE ClCE -->-=-dI ClF dA. (5). Sintetizando, como as variáveis estão expressas em percentagem, as derivadas percentuais representam as elasticidades dos componentes da equação 1. Desta forma, observa-se na relação exposta em (5) que o efeito na. concedido não é quitada, o tomador não está saldando também a parte dos custos administrativos e de captação atribuídos aos empréstimos não quitados..

(25) 12. redução de 1% na inadimplência é superior aos efeitos proporcionados pela queda de 1% em qualquer um dos outros componentes do custo de emprestar.. 2.2. O "Estado da Arte" no Gerenciamento de Crédito. A preocupação quanto ao risco na concessão de empréstimos é de longa data. Já na década de 30, Keynes (1990, p. 121) advertia em relação aos riscos a que incorria o emprestador. Keynes chamava atenção para os riscos advindos de uma "contingência moral, isto é, falta voluntária ou qualquer outro meio, talvez lícito, para fugir ao cumprimento da obrigação, ou à possível insuficiência da margem de segurança, isto é, o não cumprimento involuntário causado por uma expectativa malograda".. Keynes (1990, p. 121) acrescenta ainda um segundo motivo de risco, qual seja, "a possibilidade de uma variação desfavorável no valor do padrão monetário, tornando o empréstimo em dinheiro menos seguro, à medida da depreciação, do que um ativo real, embora todo ou maior parte deste risco já deveria ter-se refletido, e, portanto, sido incorporado, nos preços dos bens duráveis.". Contudo, o que realmente faz-se interessante destacar, no âmbito desse trabalho, é a afirmação feita por Keynes (1990, p. 121) acerca do risco do tomador do empréstimo, que pode estender-se perfeitamente ao risco do emprestador: ': .. risco é. em certo sentido. um custo real, apesar de ser suscetível de diminuição. pela média de sua distribuição. ou por efeito de uma exatidão maior nas previsões"..

(26) 13. No. tocante. ao. desenvolvimento. de. técnicas. quantitativas. para. modelagem dos problemas de crédito, os trabalhos pioneiros, segundo Orgler (1970) e Capon (1982), são Myers (1962) e Myers & Forgy (1963). O instrumental utilizado nesses casos foi a análise discriminante. Basicamente, procurava-se através das características individuais dos clientes, obtidas em questionários fornecidos a instituições de crédito americanas, separá-los em dois grupos distintos. Dentro do primeiro grupo ficavam aqueles cujas pontuações situavam-se acima do nível pré-estabelecido como nível de corte, recebendo a aprovação no pedido de crédito. No segundo grupo, encontravamse os clientes com pontuação inferior ao mínimo exigido, os quais tinham suas propostas rejeitadas.?. Os trabalhos voltados para a previsão de inadimplência de pessoas físicas junto ao setor financeiro. predominam. na literatura econômica. especializada desde a década de 60. Estudos relacionados ao atraso no pagamento de hipotecas e faturas de cartão de crédito são encontrados com certa frequência em periódicos da área financeira. Como exemplo, pode-se citar Koh & Tan (1994), Smith et aI. (1996) e Pinder (1996).. As críticas aos modelos de previsão de inadimplência para pessoas físicas baseiam-se, principalmente, nas características individuais consideradas relevantes para a explicação dos problemas com os recebimentos dos créditos. Nos primeiros modelos desenvolvidos pela Fair, Isaae & Company, empresa pioneira na utilização de sistemas de crédito por pontuação, características como sexo, raça, cor dos cabelos, altura, peso, primeiro e último dígitos da. Para maiores detalhes, veja: MYERS, James H. (1962). Numerical Scoring Systems for Retail Credit Evaluation. The Credit World, 50 (April), 5-7, e MYERS, James H.; FORGY, Edward W (1963). The Development of Numerical Credit Evaluation Systems. Journal 01 American Statistical Association, 58 (September), 799-806.. 7.

(27) 14. carteira de seguro social, dentre outros, eram considerados estatisticamente relevantes para a previsão acerca da performance dos pagamentos. 8. Segundo Lawrence e Arshadi (1995), surpreendentemente - dada a importância crescente do problema com créditos inadimplentes - existe uma carência de literatura contendo estudos empíricos sobre a resolução de problemas. relacionados. ao gerenciamento de créditos. comerciais. em. instituições bancárias. Os autores acreditam que a deficiência dos dados e/ou a dificuldade de acesso aos mesmos sejam a causa principal dessa situação, dada a natureza sensível dos arquivos com informações sobre créditos e a existência de legislação federal referente ao sigilo bancário.. Orgler (1970) também indica alguns problemas limitantes aos trabalhos relacionados com os empréstimos do setor financeiro ao comércio. A primeira dificuldade reside na inexistência de uma vasta população homogênea, fato presente nos créditos pessoais, não havendo portanto, dados suficientes para um estudo estatisticamente significante. A segunda dificuldade diz respeito a substanciais variações existentes entre os créditos comerciais em relação ao tamanho das empresas, a garantias oferecidas e formas de pagamento, sendo que no caso dos empréstimos pessoais há uma relativa uniformidade nesses termos. E, finalmente, o autor discorre sobre as dificuldades em obter dados financeiros atualizados das pequenas empresas comerciais que recorrem a linhas de crédito. A existência de trabalhos analisando o desempenho das empresas comerciais começa com modelos de previsão de insolvência e datam do início da década de 30. Esses trabalhos, utilizando dados financeiros publicados pelas empresas, objetivavam, em sua maioria, detectar os índices mais significativos na explicação do processo de falência de algumas empresas 8. Capon (1982), p. 85..

(28) 15. americanas. Contudo, apenas no final da década de 60, mais precisamente com Altman (1968), surgiu um modelo baseado em instrumentos estatísticos mais evoluídos, qual seja, a análise discriminante múltipla.. Nos anos seguintes vários trabalhos foram publicados nesta mesma linha de pesquisa, ou seja, previsão de insolvência utilizando análise discriminante. O diferencial residia apenas no período de tempo e na região escolhida para o estudo. Para o Brasil se destacam os estudos de Kanitz (1978) e de Elizabetsky (1976), que apresentam um modelo para decisão de. crédito em bancos comerciais e utilizam dados de empresas da indústria de confecções9 ; o de Matias (1978)10 e do próprio Altman (1979).11. Recentemente,. os. estudos. referentes. aos. problemas. com. gerenciamento de crédito voltaram a se destacar na literatura econômica. Os artigos, em sua maioria, utilizam modelos de resposta qualitativa, com destaque maior para os modelos logísticos e modelos baseados em redes neurais.. Comparando as técnicas de análise discriminante e próbite, Grabloesky e Talley (1981), chegam à conclusão de que para a classificação de propostas de obtenção de empréstimos com risco reduzido, as duas técnicas são semelhantes, enquanto para propostas com riscos mais elevados o próbite apresenta uma taxa de classificação correta maior.. Elizabetsky, Roberto (1976). Um modelo matemático para decisão de crédito no banco comercial. (trabalho apresentado ao Depto. de Engenharia de Produção da Escola Politécnica da USP). 10 Matias, Alberto B (1978). Contribuição às Técnicas de Análise Financeira: Um Modelo de Concessão de Crédito. (Trabalho apresentado ao Depto. de Administração da Faculdade de Economia e Administração da USP). 11 Altman. E.; Tara, K. N.; Dias, L. M. R. Previsão de Problemas Financeiros em Empresas. Revista de Administração de Empresas, v. 19, n. 1, 1979.. 9.

(29) 16. Unger (1988) analisa as variáveis que afetam a capacidade de crédito dos solicitantes de recursos. As variáveis financeiras escolhidas são: liquidez, solvência, lucratividade, garantias e capacidade de pagamento. O autor também faz considerações a respeito de características pessoais e gerenciais dos clientes.. Leonard & Banks (1994) apresentam um modelo baseado em redes neurais para identificar as variáveis significativas no processo de previsão de inadimplência em créditos pessoais e estimam a redução das perdas a que incorrem os emprestadores quando da adoção de modelos de pontuação do crédito.. Lawrence e Arshadi (1995) apresentam um estudo acerca das medidas adotadas por 52 bancos 12 em 25 estados americanos para solucionar os problemas com os créditos inadimplentes. As quatro alternativas passíveis de serem seguidas pelos emprestadores são: (i) executar judicialmente o crédito; (ii) requerer sua falência, numa ação conjunta com o tomador do empréstimo;. (iii) renegociação, com mudanças nas taxas de juros e nos prazos; e (iv) fornecer um crédito adicional para o tomador sair do "status" de inadimplente.. 13. Em um outro artigo, Angbazo (1997) mostra-nos a relação entre a inadimplência, cuja importância é ressaltada pelo autor nos recentes problemas ocorridos com o gerenciamento de crédito, e a margem de lucro líquida nos bancos comerciais americanos. O resultado do modelo adotado por Angbazo indica que a inadimplência afeta sobremaneira as margens líquidas de lucro nos bancos caracterizados como. "money-center banks" e nos bancos. considerados pequenos, enquanto para os bancos regionais e supra regionais. Os bancos foram escolhidos aleatoriamente de uma população composta por bancos de pequeno e médio portes (ativos menores que USS 1 bilhão). 13 Os resultados obtidos com a utilização de um modelo Lógite multinomial confirmam que a alternativa escolhida dependerá da combinação de variáveis referentes aos emprestadores e aos tomadores.. 12.

(30) 17. as evidências não apontam a inadimplência como fator significante nas margens de lucro.. 14. Os modelos para classificação do grau de risco do crédito encontraram um campo extremamente fértil no setor agrícola. Historicamente, esse setor caracteriza-se como problemático nos pagamentos de seus empréstimos, apresentando elevadas taxas de inadimplência.. Segundo Araújo (1996), destacam-se os estudos de Bauer & Jordan (1971), Dunn & Frey (1976), Hardy e Weed (1980) - todos utilizando análise discriminante - e ainda Fischer & Moore (1986), Miller & LaDue (1989), Turvey & Brown (1990) e Knopf & Schoney (1992) que utilizam modelos logísticos.. O próprio Araújo (1996),. 15. utilizando dados do Banco do Brasil,. desenvolveu um modelo logístico para avaliação e classificação do grau de risco das propostas apresentadas por cooperativas agropecuárias. O modelo estimado pelo autor classificou corretamente 78,5% das observações, sendo especificado com as seguintes variáveis: Iiquidez corrente, endividamento interno, passivo oneroso e saldo de tesouraria.. 14. No caso dos pequenos bancos e dos bancos regionais e supra regionais as evidências também para a taxa de juros de risco como fator explicativo para as margens de lucro. ArauJo (1996), op. Clt., p. 15-20.. fPont~m.

(31) 3.. REFERENCIAL TEÓRICO. Um modelo de previsão de inadimplência (também conhecido, na prática,. como. modelo. de. escoragem. de. crédito). deve,. basicamente,. caracterizar-se por: (i) combinar os fatores mais importantes associados à possibilidade. de. ocorrência de. tal. fenômeno,. (ii). determinar o. inter-. relacionamento entre ésses fatores e (iii), por último, quantificá-los. Esse modelo deve ser capaz de produzir um "escore final" diretamente relacionado à probabilidade de inadimplência, ou seja, quanto maior for o "escore final" maior será o risco de perda (inadimplência) nas operações de crédito analisadas.. Neste trabalho utilizar-se-ão quatro métodos distintos na construção dos modelos de previsão de inadimplência para os financiamentos concedidos pelo BANDES ao segmento de hotelaria (financiamentos de longo prazo). Os três primeiros métodos estão baseados no conceito de "variáveis qualitativas" e o último, no conceito de "entropia".. Os modelos que utilizam o conceito de resposta qualitativa, são capazes de quantificar (ponderar) a participação de cada uma das variáveis prédeterminadas no fenômeno da inadimplência, enquanto o modelo baseado no conceito de entropia tem o objetivo de estabelecer uma ordenação entre variáveis. pré-determinadas.. As. características. básicas. da. carteira. operações do BANDES e dos modelos propostos estão descritas a seguir.. de.

(32) 19. 3.1.. O BANCO DE DESENVOLVIMENTO DO EspíRITO SANTO S/A - BANDES. Vinculado à Secretaria da Fazenda do Estado do Espírito Santo, o Banco de Desenvolvimento do Espírito Santo S/A (BANDES) é a instituição financeira responsável - em conjunto com o Grupo Executivo de Recuperação Econômica do Espírito Santo (GERES) - pela execução da política de incentivos fiscais e creditícios do Estado do Espírito Santo.. o. total de investimentos apoiados pelo BANDES nos últimos anos,. assim como o número de operações de crédito e de empregos diretos gerados, podem ser visualizados na tabela 2. A elevação no número de operações de crédito a partir de 1995 explica-se pelas medidas adotadas pelo banco para viabilizar empréstimos a segmentos sociais que sempre tiveram grande dificuldade em obtê-lo junto a instituições bancárias, sejam públicas ou privadas. Os "segmentos" beneficiados pelas medidas foram: micro e pequenas empresas, produção familiar rural, jovens empresários (recém formados), estudantes de pós-graduação, pesca artesanal e setor informal. Tabela 2. BANDES: Investimentos Aprovados: 1991/1996. Ano. 1991 1992 1993 1994 1995 1996. Número de Operações 467 517 521 342 428 1.212. Investimentos (US$) 43.335.198 167.775.764 133.946.136 138.301.591 70.227.685 105.632.746. Empregos Gerados 2.553 4.993 3.779 2.792 1.603 3.919. Fonte: BANDES. O apoio a tais segmentos, de grande importância social, só foi possível por se tratar de instituição pública, na qual, muitas vezes, o retorno privado é preterido em função do retorno social. Ademais, esses empréstimos atuaram.

(33) 20. fortemente na diversificação da carteira de empréstimos do banco, diluindo os riscos inerentes à mesma.. As principais fontes de recursos utilizadas pelo BANDES para o financiamento dessas operações, além dos próprios recursos do banco, são os fundos dos quais é o agente técnico e financeiro, quais sejam, o Fundo de Desenvolvimento das Atividades Portuárias (FUNDAP) 16 e o Fundo de Recuperação Econômica do Espírito Santo (FUNRES) 17. Em nível federal, o BANDES mobiliza e repassa recursos de fontes como: Banco Nacional de Desenvolvimento Econômico e Social (BNDES); Financiadora do Estudo e Projetos (FINEP), Agência Especial de Financiamento (FINAME), Empresa Brasileira de Turismo (EMBRATUR) e Caixa Econômica Federal (CEF).. A participação dos fundos estaduais no total de investimentos aprovados pelo BANDES é significativa, com exceção de 1994, onde predominaram as fontes federais, conforme demonstrado na figura 4. Dentre as fontes de recursos utilizadas para investimentos, deve-se ressaltar que os "Recursos Próprios" correspondem às inversões feitas. pelos grupos empresariais. responsáveis pelos empreendimentos.. Criado pela Lei 2508. de 22 de Maio de 1970. Criado pelo decreto-lei N° 880. de 18 de Setembrc de 1969, o mesmo que instituiu os fundos de desenvolvimento das regiões Norte e Nordeste do país.. 16. 17.

(34) 21. 50.000 45.000. ~. '". [J. Embratur FINAME. 35.000. [J. FINEP. •. Ou tras Federais [J BA NDES. 30.000. E 25.000 o. ';. ;;.-. BNDES. • 40.000. rJJ ~. ..... [J. [J. FUNDAP FUNRES OP. CRED .. •. FU NRES DEBENT.. •. 20.000 15.000. • Outras Fontes -. 10.000 5.000. 1fD~ 199 1. iH 1992. ~. j. 1993. 1994. [J Recursos Próprios. lU} I 1995. r-. lo.. I. 1996. Pe r íodo. Figura 4. BANDES: Investimentos Aprovados por Fonte de Financiamento Fonte: BANDES. Na figura 5 mostra-se o montante de investimentos aprovados por objetivo nos últimos anos, de onde pode-se observar que a maioria absoluta dos investimentos está voltada para a implantação de empresas.. Quanto aos investimentos por atividade, figura 6, os destaques ficam por conta dos setores secundário e terciário, com o último sendo responsável pelo maior aporte de recursos em projetos aprovados pelo BANDES em 1996. Dadas as características atuais da economia do Espírito Santo, acredita-se que os investimentos no setor terciário deverão permanecer em patamares elevados nos próximos anos. Dentro desse setor, subdividido em comércio e serviços , destacam-se os segmentos de armazenagem, serviços portuários e hotelaria..

(35) 22. 100,000 ,000 90,000,000 80,000,000. ç; r/). 70,000 ,000. o Implantação. 60,000,000. • Ampliação. ;:J. E. ~. .... o. ~ ~. O Modernização. 50,000,000. O Relocalização 40.000.000. • Outros 30,000,000 20,000,000 10,000,000. 199 1. 1992. 1993. 1994. 1995. 1996. Pe ríodo. Figura 5. BANDES: Investimentos Aprovados por Objetivo Fonte: BANDES. 120,000,000. 100,000,000 [J. '"'". 80,000,000. [J Terciário. ~. êOI. .. O Bolsistas. 60.000.000. • Microcomputador. o. ';j ~. Primário. • Secundário. 40,000.000. 20,000,000. 199 1. 1992. 1993. 1994. 1995. 1996. Período. Figura 6. BANDES: Investimentos Aprovados por Atividade Fonte: BANDES.

(36) 23. 3.1.1. A INADIMPLÊNCIA NO BANDES. Atualmente o BANDES possui um saldo de operações de crédito no valor aproximado de R$ 120 milhões, com os créditos em atraso e em liquidação, ou seja, a inadimplência, representando algo em torno de 18% desse valor. 18. .. A tabela 3 mostra a inadimplência média nas instituições. financeiras nacionais e a média de inadimplência nos empréstimos do BNDES, tais médias podem ser comparadas com os níveis recentemente observados no BANDES.. Tabela 3. Níveis de Inadimplência (%): Média Nacional e BANDES Inadimplência. Dez/95. Dez/96. Jun/96. Média. Bandes. Média. Bandes. Bandes. Total. 9,00. 15,80. 10,00. 22,00. 18,40. BNDES. 2,00. 14,50. 2,00. 20,00. 13,80. Fonte: BANDES. Como se pode observar, o BANDES apresenta níveis de inadimplência em valores superiores à média nacional, tanto em relação ao total de saldo de operações de crédito, quanto ao total repassado pelo BNDES.. 19. Além dos. problemas citados anteriormente por consequência da inadimplência, no caso específico do BANDES há alguns agravantes a serem comentados.. 18 Para efeito de comparação, observe os dados relativos a Superintendência do Banco do Brasil no Espírito Santo, cujo saldo de operações de crédito alcança valores próximos a R$ 1,3 bilhão. A inadimplência chega a 18%, algo próximo a R$ 240 milhões. segmentados da seguinte forma: indústria 62%, comércio 13%, agricultura 9%, pecuária 2%, câmbio e cheque-ouro 14%. 19 A comparação dos níveis de inadimplência entre diferentes tipos de instituições financeiras apresenta um viés relacionado às características da cada instituição. No caso dos bancos comerciais. que exigem "reciprocidade" para a liberação dos recursos. trabalha-se evidentemente com perdas menores, seja pela própria existência de recursos do tomador aplicados na instituição, seja pela comercialização de produtos (seguros, por exemplo). No caso dos bancos de desenvolvimento, as exigências de reciprocidade (quando existem) são de menor intensidade..

(37) 24. o. primeiro problema diz respeito à redução e/ou indisponibilidade da. aplicação dos recursos provenientes do BNDES e das outras fontes federais 2o • O segundo, atrelado ao problema anterior, é que o sistema de crédito estadual assumiu importância significativa no momento de intensificação das disputas regionais por investimentos, não podendo, portanto, o mesmo apresentar-se fragilizado e incapacitado na sua função de indução do desenvolvimento econômico e social do Estado.. Outro problema relacionado com a inadimplência diz respeito ao próprio desempenho econômico-financeiro do BANDES. Pelo terceiro ano consecutivo o banco apresenta prejuízo em seu balanço. Os prejuízos em 1994, 1995 e 1996 foram, respectivamente, R$ 1,3 milhão, R$ 4,3 milhões e R$ 13 milhões. No ano de 1996 a recuperação de créditos baixados em prejuízo foi da ordem de R$ 5 milhões, enquanto a provisão de créditos duvidosos foi algo em torno de R$ 1,5 milhão. Esses prejuízos reduzem sobremaneira a disponibilidade de recursos próprios, além de prejudicar a captação de outras fontes de recursos, inviabilizando o apoio, por parte do BANDES, a novos investimentos no Espírito Santo.. Em análise mais detalhada sobre a inadimplência do BANDES, procurou-se identificar as atividades com maiores problemas junto ao banco, conforme mostra a tabela 4. Algumas atividades, apesar de apresentarem elevados índices de inadimplência, não foram citadas, seja pela inexpressiva participação na carteira de crédito do banco, seja por questões relacionadas ao sigilo bancário.. 21. o nível de inadimplência das instituições financeiras é um dos índices utilizados pelo BNDES para a definição dos recursos a serem repassados pelas mesmas. No caso do BANDES, o limite de repasse de recursos do BNDES caiu de RS 29 milhões em Junho de 1996 para RS 12 milhões em Dezembro de 1996. Somente nos últimos meses. após grande pressão pOlítica. houve a elevação do limite para o mesmo ~atamar de Junho/96. 1 Nesse caso incluem-se atividades em que o número de firmas é extremamente reduzido. possibilitando o reconhecimento da(s) empresa(s) em questão.. 20.

(38) 25. Tabela 4. BANDES: Taxa de Inadimplência por Atividade (Base: Marçol1997) Atividade. Número de Operações. Mármore e Granito Hotelaria 1 Produtos Alimentares Confecção Armazéns Gerais Serviços de Saúde. 85 97 23 118 12 64. Saldo Devedor Total (R$ Mil). Saldo Operação de Crédito (R$ Mil). 29.666 31.888 30.597 11.145 9.187 8.076. 27.167 22.378 20.650 9.062 8.570 5.160. Taxa de Inadimplência (%). 12,15 15,24 4,30 41,18 5,20 3,15. (1) Massas Alimentícias, Frigoríficos e Refinaçao e Moagem de Açúcar. Fonte: BANDES. Uma consideração deve ser feita ao item "Saldo Devedor Total" na tabela 4, Observe, por exemplo, a atividade "produtos alimentares". Apesar de apresentar um pequeno índice de inadimplência, cerca de 4,3%, essa atividade já teve créditos baixados em prejuízo no valor aproximado de R$ 9,9 milhões. Portanto, se considerarmos o total de créditos não recebidos nessa atividade, o. "índice de inadimplência" nos financiamentos chega a 35,41 %. Fazendo o mesmo para "hotelaria" e "serviços de saúde" obtemos, respectivamente, os índices de 40,52% e 38,12%.. Para amenizar essa situação, e diminuir os riscos inerentes às operações de crédito, o BANDES vem tomando algumas iniciativas na avaliação e na concessão de financiamentos.. A primeira é a maior. diversificação de suas operações em termos de atividade, tamanho, objetivo e endividamento dos projetos. A segunda trata da confecção de uma matriz de riscos, cujo objetivo é estimar o risco associado a cada novo projeto, levandose em conta variáveis micro e macroeconômicas.. Tais medidas, de caráter preventivo, devem apresentar resultados positivos num horizonte de médio e longo prazos. Para o curto prazo, o Banco.

(39) 26. adotou duas estratégias básicas: (i) a terceirização da cobrança, visando, principalmente, o recebimento dos créditos em atraso e em liquidação (para os créditos em prejuízo, o banco vem estudando, caso a caso, a possibilidade de execução judicial); e, (ii) a securitização dos créditos inadimplentes e em 22 prejuízo.. Portanto, nesta seção procurou-se demonstrar a elevada inadimplência verificada nos financiamentos do BANDES, assim como os problemas advindos dessa situação. Tais problemas justificam a utilização de novos métodos para análise e concessão de crédito que, em conjunto com as medidas já adotadas, objetivem a redução dos níveis de inadimplência.. 3.2.. MODELOS DE RESPOSTA QUALITATIVA. Os modelos de resposta qualitativa são modelos de regressão cujas variáveis dependentes assumem valores discretos. Em nosso caso específico, trabalha-se com modelos em que tais variáveis podem assumir dois valores, quais sejam, O ou 1. O valor 'Zero" será atribuído para a não ocorrência da inadimplência, enquanto o valor "Um" será atribuído para a ocorrência da inadimplência.. Segundo Amemiya (1985), os modelos de resposta qualitativa binária univariada,23 os quais utilizaremos em nosso trabalho, são definidos da seguinte forma:. i = 1,2, ... n 1. (6). Nesse caso, entende-se por securitização o processo de repasse a terceiros de créditos considerados "problemáticos". O deságio em relação ao valor total do crédito será diretamente proporcional ao risco de não recebimento do mesmo. 23 Os modelos multivariados e multinomiais podem ser vistos com detalhes em Amemiya (1985), Greene (1993), Judge et aI. (1988).. 22.

(40) 27. onde Yí são as variáveis aleatórias binárias independentes com valor 'Zero" ou "Um",. Xí. é um vetor de tamanho k, com constantes conhecidas, Bo é um vetor. de parâmetros desconhecidos, também de tamanho k, e F é uma certa função conhecida.. Os métodos de estimação e inferência a serem utilizados em nosso trabalho compreendem os seguintes modelos, com as respectivas formas funcionais conhecidas da função F:. • Modelo de Probabilidade Linear (7). F(x) = x. • Modelo Probabilístico (Próbite). f v~2 x. F(x) = <l>(x) ==. r-(~J1J. expL. 2. dt. rt. (8). -~. • Modelo Logístico (Lógite) (9).

(41) 28. 3.2.1.. MODELO UTILIZANDO PROBABILIDADE LlNEAR. 24. Considere o seguinte modelo simplificado: (10) onde Yi pode assumir somente dois valores, ou valor O, ou valor 1, e Ui representa o termo estocástico.. Modelos como o apresentado na eq. (10), em que a variável dependente Yi é função linear da variável explicativa Xi, são conhecidos como modelos de probabilidade linear desde que E(Yi I Xi), esperança condicional de Yi dado Xi, possa ser interpretada como a probabilidade condicional de que o evento ocorrerá dado Xi, isto é, Pr (Yi. Assumindo que E(Ui). = 1 I Xi). =. O, de forma a obter-se estimadores não. tendenciosos, obtêm-se a eq. (11): (11 ). Considerando que o evento (Y i=1IX i) ocorre com probabilidade Pi e, consequentemente, (Yi=OIXi) com probabilidade 1-Pi, a variável Yi tem a seguinte distribuição: Probabilidade. O 1 Total. 1. Para maiores detalhes sobre modelos de probabilidade linear consultar Gujarati (1995) e Greene (1993).. 24.

(42) 29. Desse modo, usando a definição de esperança matemática, tem-se: E(YiIX i ) =ü(l-Pi)+l(Pi ). (12). Comparando a eq. (11) com a eq. (12), pode-se rescrevê-Ias como: E(YiIX i. ) = ~l +~2Xi. (13). = Pi. onde a esperança condicional,E(YjIX j), do modelo mostrado na eq. (10) pode, efetivamente, ser interpretada como a probabilidade condicional de Vi.. 3.2.1.1.. PROBLEMAS COM MODELOS DE PROBABILIDADE LINEAR.. A estimação desses modelos pelo método de mínimos quadrados ordinários (MOO) apresenta alguns problemas, a saber: (i) a não normalidade do termo estocástico. Ui;. (ii) a variância do termo estocástico. Ui. não ser. 2. constante (heterocedasticia); (iH) o valor de R ser questionável como medida de qualidade do ajuste; (iv) o não cumprimento da condição ü:::; E(Yi I Xi):::; 1; e, (v) assumir-se que Pi (Yi = 1 I X) cresce linearmente com X, isto é, o efeito marginal de X permanece constante.. o. problema da não normalidade de. Ui. não é crítico, uma vez que o. objetivo é estimar um ponto, sendo desnecessário assumir a hipótese de normalidade. Ademais, com grandes amostras, pode-se mostrar que os estimadores obtidos via MOO tendem a ser normalmente distribuídos.. 25. Assim,. as inferências estatísticas sobre os modelos de probabilidade linear seguirão. A prova desse argumento baseia-se no Teorema do Limite Central e. segundo Gujarati (1995), pode ser encontrada em E. Malinvaud, Statistical Methods of Econometrics, Rand McNally & Company, Chicago, 1966, p. 195-197.. 25.

(43) 30. os procedimentos usuais do método de MOO, assumindo a hipótese de normalidade.. Ouanto a heterocedasticia, a mesma pode ser corrigida ponderando as observações pelas variâncias, ou seja, utilizando-se o método de mínimos quadrados generalizados. Enquanto o uso do coeficiente de determinação (R 2 ) como um resumo estatístico pode ser descartado em modelos com variáveis dependentes qualitativas. 26. Visto que E(Yi I X) mede a probabilidade condicional do evento Y ocorrer dado X, a mesma necessariamente deve estar entre O e 1. Embora seja verdade a priori, não existem garantias de que o estimador de E(Yi I X) respeitará essa condição, sendo esse um problema crítico com a estimação via MOO para modelos de probabilidade linear.. E, finalmente, a hipótese de crescimento linear de Pi (Yi = 1 I X) em relação a X mostra-se fortemente equivocada. Na realidade, conforme afirma Gujarati (1995), espera-se que a relação entre Pi e X seja não Iinear.. 27. Geralmente trabalha-se com modelos de probabilidade linear restritos (ou truncados). Esse procedimento visa garantir que o modelo estimado tique dentro da banda O - 1. Como resultado, o convencional R2 fica muito abaixo de 1 nesses modelos. 27 Para maiores detalhes veja Gujarati (1995), p. 552-4.. 26.

(44) 31. Assim, para satisfazer a condição de Pi entre O e 1 e garantir sua nãolinearidade com X pode-se utilizar uma função de distribuição cumulativa, conforme apresentada na figura 7. p. FDC. x. o. -00. 00. Figura 7. Função de Distribuição Cumulativa. Por razões históricas, e também por razões práticas, as funções de distribuição cumulativa usualmente escolhidas para representar os modelos de resposta O e 1 são as funções logística e normal, a primeira originando o modelo Lógite e a segunda o modelo Próbíte. 3.2.2. MODELOS LÓGITE E PRÓBITE28. Considere a variável. yt definida pela seguinte regressão: (14). Na prática,. yt. não é observável. O que se observa é a variável dummy. Y definida por:. lS. yt >0. y =1. se. y=o. nos demais casos. Para maimcs delalhes sobre o assunto consullar Gujarali ( 1995) e em Maddala ( 1983).. (15).

(45) 32. Nessa formulação ~'Xi não é mais. E(Yi IX i ),. probabilidade linear. Agora, ~'Xi é definido como. como no modelo de. E(ytIX i ).. Das eq. (14) e (15),. obtêm-se. (16) onde F é a função de distribuição cumulativa para. u.. No caso, os valores observados de Y são sempre realizações de um processo binomial com probabilidades dadas pela eq. (16) e variando de ensaio para ensaio (dependendo de Xi). Portanto, a função de verossimilhança é: (17). L= r r F(-~'Xi)rr [l-F(-~'Xi)] Yr=O. Yi =!. A forma funcional para F na eq. (17) dependerá das hipóteses acerca de Ui na eq. (5). Se a distribuição de Ui for a logística, tem-se o modelo Lógite. Nesse caso:. Portanto,. (18). Em (18) observa-se facilmente que Pi relaciona-se de forma não linear com Xi e, quando ~'Xi varia de -00 a +00 Pi, limita-se entre O e 1. Assim, com a adoção da função de distribuição logística, satisfaz-se as duas condições requeridas anteriormente.. No caso acima, diz-se existir uma expressão na forma fechada para F, pois não envolve-se explicitamente integrais.. Contudo,. nem. todas. as.

(46) 33. distribuições permitem tal expressão na forma fechada. Por exemplo, no modelo Próbite assume-se que Ui tem distribuição normal com média igual a zero e variância igual a (l. Nesse caso: --(3 x. ,. F( -~ X) =. f. [. <J. -=. ~ / (j. ,. e não. ~. -~. I. r::-= exp \ '- )" dt ...;2rt. onde inicialmente pode-se considerar estimar apenas. í ,"il' t·". -. 1. (j. (19) igual a 1, uma vez que podemos. e (j separadamente.. Novamente, agora na eq. (19), observa-se que Pi relaciona-se de forma não linear com Xi e, quando \3'x i varia de -00 a +00 Pi, limita-se entre O e 1. Assim, com a adoção da função de distribuição normal, satisfaz-se também as duas condições requeridas anteriormente.. 3.2.2.1. ESTIMAÇÃO DOS PARÂMETROS. Ao contrário do modelo de probabilidade linear, no qual as estimativas dos parâmetros são relativamente fáceis de serem realizadas (através de MOO), os modelos Lógite e Próbite exigem métodos mais complexos de estimação.. Nos casos dos modelos Lógite e Próbite as estimações dos parâmetros são realizadas pelo método da máxima verossimilhança. Especificamente para o Lógite, a eq. (17) pode ser reescrita como:. (20). ou.

(47) 34. WI X·y L= I1 [I +eW lI. e. . I. 1. 1=. l1. 1. X. (21 ). ,]. 1=1. Colocando na forma logarítmica e definindo. t* =. I:~I Xi Y i , têm-se:. li. I. IogL = Wt * -. log[l +e WX ']. (22). i=l. Ws pelo. A estimativa dos. método da máxima verossimilhança, no qual. maximiza-se log L em relação a 13 e iguala-se a zero, ou seja,. alog L I a~ = o, é. dada por:. S(~) =. Wx ,. e -L í=ll+e n. *. [}'X Xi. '. +t = o. (23). Para o modelo Próbite, a função de verossimilhança correspondente à eq. (17) é dada por:. TI: [<1>«(3'X )jY'[I-<1>(WX )]l-Y, li. L=. i. i. (24). i=l. que na forma logarítmica fica: li. logL=. I. i=l. A estimativa dos. li. Y i log<1>(WX i )+. I. (l-Yi )log[l-<1>(WX i )]. i=l. Ws pelo método da máxima verossimilhança,. maximiza log L em relação a 13 e iguala-se a zero, ou seja,. (25). no qual se. alog LI a~ = o, é dada. por:. (26).

(48) 35. onde <p(.) e <\>(.) são, respectivamente, as funções de distribuição e de densidade normal.. Observa-se que as equações para a estimação dos parâmetros nos modelos Lógite e Próbite são não-lineares nos parâmetros. Ws. requerendo,. portanto, soluções pelo uso de processos iterativos. Os algoritmos utilizados com maior frequência para a estimação desses parâmetros são o método de Newton-Raphson, o método de Score e o método de Berndt, Hall, Hall e Hausman (BHHH).29. 3.2.3.. CONSIDERAÇÕES SOBRE MODELOS DE RESPOSTA QUALITATIVA. As considerações finais a serem feitas sobre os modelos expostos anteriormente baseiam-se em comparações quanto aos motivos de utilizar-se, ou não, determinado modelo. No caso do MPL, conforme destaca Amemiya (1985), a principal falha está no fato do forma funcional F desse modelo não. ser uma função de distribuição apropriada, uma vez que não está garantida a restrição do condicionamento da probabilidade entre O e 1. Esse problema pode ser corrigido ao definir-se F. = 1 se. F((~'Xí) > 1 e F. = O se. F(!3'X j ) < O, mas. esse procedimento produz embaraços irreais nos pontos de truncagem. 30. Segundo Amemiya (1985), no caso do modelo Próbite, assim como outros modelos estatísticos que utilizam a distribuição normal, seu uso justificase pelo seu apego ao Teorema do Limite Central. Enquanto a principal justificativa para o modelo Lógite é que a função de distribuição logística é similar à função de distribuição normal, apresentando-se, contudo, numa forma bem mais simples. Para detalhes sobre os métodos de estimação em modelos não-lineares consulte Judge et aI. (1988). Os modelos de probabilidade linear eram usados com frequência em aplicações econométricas, especialmente até a década de 70, pela sua simplicidade computacional.. 29. 30.